一種基于圖像處理的行人姿態(tài)檢測方法
【專利摘要】該發(fā)明公開了一種基于圖像處理的行人姿態(tài)檢測方法，首先建立行人姿態(tài)模板庫：用攝像機(jī)拍攝行人視頻，再對拍攝到的視頻進(jìn)行去噪處理，通過計(jì)算去噪視頻的幀間和幀內(nèi)差值提取出行人樣本輪廓，再對該樣本輪廓進(jìn)行聚類處理得到各種行人姿態(tài)，組成行人姿態(tài)模板庫；其次提取行人實(shí)際輪廓：用攝像機(jī)拍攝行人視頻，采用上述同樣方法提取行人實(shí)際輪廓；最后將提取的行人實(shí)際輪廓與行人姿態(tài)模板庫進(jìn)行匹配，找出與之最匹配的姿態(tài)，即為拍攝行人的姿態(tài)。從而具有在各種復(fù)雜檢測環(huán)境、目標(biāo)紋理模糊、目標(biāo)尺度較小的情況下具有較好的魯棒性和準(zhǔn)確率，并快速檢測出行人姿態(tài)的效果。
【專利說明】一種基于圖像處理的行人姿態(tài)檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于視頻監(jiān)控行人檢測領(lǐng)域，特別是基于圖像處理的行人姿態(tài)檢測領(lǐng)域?！颈尘凹夹g(shù)】
[0002]隨著智能視頻監(jiān)控技術(shù)的發(fā)展，行人檢測方面的研究成果也越來越多，其應(yīng)用也越來越廣泛。目前的行人檢測大多基于統(tǒng)計(jì)學(xué)習(xí)、目標(biāo)特征檢測和圖像模板匹配算法實(shí)現(xiàn)的，算法的基本原則是:有效性，穩(wěn)定性以及實(shí)時性。 [0003]專利201210065810.6公開了一種《基于主梯度方向特征的目標(biāo)檢測及姿態(tài)估計(jì)方法》，該方法步驟包括模板訓(xùn)練和目標(biāo)檢測兩個階段。在模板訓(xùn)練階段:首先拍攝被檢測物體不同角度的V張圖片，對拍攝到的一張圖片以一定的步長旋轉(zhuǎn)360度得到若干張模板圖片，計(jì)算模板圖片主梯度方向描述，通過主梯度方向描述對模板進(jìn)行聚類處理，建立最強(qiáng)梯度模板集合；目標(biāo)檢測階段:通過計(jì)算測試圖片的主梯度方向描述，與建立的最強(qiáng)梯度模板集合進(jìn)行匹配，選取匹配分?jǐn)?shù)最大的模板即為對于測試圖片的最優(yōu)模板。該專利在建庫階段人工選取目標(biāo)姿態(tài)及角度具有較大主觀性，導(dǎo)致建庫信息與實(shí)際情況不符，誤差較大；該專利通過主梯度方向描述目標(biāo)特征，該方法計(jì)算量大，特征描述不準(zhǔn)確，匹配難度大；當(dāng)目標(biāo)尺寸較小時，該專利無對應(yīng)的處理方法，無法完成匹配。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是針對【背景技術(shù)】的不足改進(jìn)設(shè)計(jì)一種基于圖像處理的行人姿態(tài)檢測方法，從而達(dá)到在各種復(fù)雜檢測環(huán)境、目標(biāo)紋理模糊、目標(biāo)尺度較小的情況下具有較好的魯棒性和準(zhǔn)確率，并快速檢測出行人姿態(tài)的目的。
[0005]本發(fā)明的技術(shù)方案是:首先建立行人姿態(tài)模板庫:用攝像機(jī)拍攝行人視頻，再對拍攝到的視頻進(jìn)行去噪處理，通過計(jì)算去噪視頻的幀間和幀內(nèi)差值提取出行人樣本輪廓，再對該樣本輪廓進(jìn)行聚類處理得到各種行人姿態(tài)，組成行人姿態(tài)模板庫；其次提取行人實(shí)際輪廓:用攝像機(jī)拍攝行人視頻，采用上述同樣方法提取行人實(shí)際輪廓；最后將提取的行人實(shí)際輪廓與行人姿態(tài)模板庫進(jìn)行匹配，找出與之最匹配的姿態(tài)，即為拍攝行人的姿態(tài)，由此達(dá)到發(fā)明目的。因而本發(fā)明方法包括:
[0006]步驟一:建立行人姿態(tài)模板庫，
[0007]步驟Al:采用單目攝像機(jī)拍攝背景固定的行人視頻；
[0008]步驟A2:將視頻的每一幀進(jìn)行高斯平滑，再計(jì)算其幀間和幀內(nèi)差值；
[0009]步驟A3:根據(jù)幀間和幀內(nèi)差值，計(jì)算出樣本輪廓矩陣:
[0010]
F(x ) = jl (?,,.> Tlntf,.&& > TjnfrJ
、 [Ootherwise
[0011] 其中:F(x，y)為樣本輪廓矩陣，F(xiàn)inter是幀間差值，F(xiàn)intra是幀內(nèi)差值Tlnte和Tlnte為兩個預(yù)先設(shè)定的閾值；[0012]步驟A4:使用K-MEANS聚類算法對樣本輪廓矩陣進(jìn)行分類，得到各中心輪廓矩陣；
[0013]步驟A5:將各中心輪廓矩陣分為若干水平條狀區(qū)域，計(jì)算各區(qū)域中行人輪廓與該區(qū)域水平中線的夾角，組成角度特征向量，連同中心輪廓矩陣一起導(dǎo)入匹配模板并定義其姿態(tài)，由此組成行人姿態(tài)模板庫；
[0014]步驟二:提取行人實(shí)際輪廓，
[0015]步驟B1:采用單目攝像機(jī)拍攝背景固定的行人視頻，并對視頻的每一幀進(jìn)行高斯平滑，再計(jì)算其幀間和幀內(nèi)差值；
[0016]步驟B2:通過幀間和幀內(nèi)差值計(jì)算出行人實(shí)際輪廓矩陣，根據(jù)像素統(tǒng)計(jì)輪廓大小，當(dāng)像素點(diǎn)數(shù)值小于設(shè)定最小閾值時進(jìn)入步驟B3，否則保存該行人實(shí)際輪廓矩陣；
[0017]步驟B3:采用標(biāo)準(zhǔn)的雙線性插值法向上取樣，生成新輪廓矩陣，返回步驟B2 ；
[0018]步驟三:模板匹配
[0019]步驟Cl:將行人實(shí)際輪廓矩陣分為若干水平條狀區(qū)域，計(jì)算各區(qū)域中行人輪廓與該區(qū)域水平中線的夾角，組成角度特征向量；
[0020]步驟C2:計(jì)算行人實(shí)際輪廓矩陣與模板庫中各中心輪廓矩陣的歐幾里得距離，通過比較選出最小的距離所對應(yīng)的中心輪廓矩陣；
[0021]步驟C3:輸出該中心輪廓矩陣對應(yīng)的姿態(tài)定義。
[0022]其中步驟A2包括如下步驟:
[0023]A21:對各幀進(jìn)行高斯平滑；
[0024]A22:根據(jù)公式計(jì)算幀間差值:
[0025]Flntra(x, y, σ ) = ( (Lt (χ_1), y, σ ) -Lt (χ, y, σ ))2+ (Lt (χ, y, σ ) -Lt (χ, y-Ι, σ ))2)1/2,
[0026]Lt (χ, y, σ ) =G (χ, y, σ ) *It (χ, y)。
[0027]其中It(x，y)為像素(x，y)的亮度，G(x，y, σ )為高斯函數(shù)，σ為平滑因子，Lt為平滑過程的中間變量；
[0028]Α23:根據(jù)公式計(jì)算幀內(nèi)差值:F



Inter (x, y, ο ) I Lt (χ, y, σ )-Lt_n(x, y, σ ) |。
[0029]其中步驟A4包括如下步驟:
[0030]步驟A41:從所有樣本輪廓矩陣中，隨機(jī)選取若干矩陣作為中心輪廓矩陣；
[0031]步驟A42:分別計(jì)算剩余樣本輪廓矩陣與各中心輪廓矩陣的距離，并將其與之距離最近的中心輪廓矩陣歸為一類；
[0032]步驟A43:重新確定每個分類中的中心輪廓矩陣；
[0033]步驟A44:重復(fù)步驟A42、A43直至新確定的中心輪廓矩陣與原中心輪廓矩陣相等或變化小于規(guī)定閾值。
[0034]其中步驟A5將各中心輪廓矩陣分為64個水平條狀區(qū)域，計(jì)算各區(qū)域中行人輪廓與該區(qū)域水平中線的夾角，組成64維的角度特征向量(Anci, ArvAn63)。
[0035]其中步驟B3包括如下步驟:
[0036]根據(jù)雙性線性插值法，計(jì)算像素(x，y)坐標(biāo)上的幅值f，可以根據(jù)f在Q11=O^y1)
，Q12= (X1, y2)，Q21 (x2, Y1), Q22 (x2, y2)，在 χ 方向進(jìn)行插值
[0037]
【權(quán)利要求】
1.一種基于圖像處理的行人姿態(tài)檢測方法，該方法包括: 步驟一:建立行人姿態(tài)模板庫， 步驟Al:采用單目攝像機(jī)拍攝背景固定的行人視頻； 步驟A2:將視頻的每一幀進(jìn)行高斯平滑，再計(jì)算其幀間和幀內(nèi)差值； 步驟A3:根據(jù)幀間和幀內(nèi)差值，計(jì)算出樣本輪廓矩陣:
2.如權(quán)利要求1所述的一種基于圖像處理的行人姿態(tài)檢測方法，其特征在于步驟A2包括如下步驟: A21:對各幀進(jìn)行高斯平滑； A22:根據(jù)公式計(jì)算幀間差值:
3.如權(quán)利要求1所述的一種基于圖像處理的行人姿態(tài)檢測方法，其特征在于步驟A4包括如下步驟: 步驟A41:從所有樣本輪廓矩陣中，隨機(jī)選取若干矩陣作為中心輪廓矩陣； 步驟A42:分別計(jì)算剩余樣本輪廓矩陣與各中心輪廓矩陣的距離，并將其與之距離最近的中心輪廓矩陣歸為一類； 步驟A43:重新確定每個分類中的中心輪廓矩陣； 步驟A44:重復(fù)步驟A42、A43直至新確定的中心輪廓矩陣與原中心輪廓矩陣相等或變化小于規(guī)定閾值。
4.如權(quán)利要求1所述的一種基于圖像處理的行人姿態(tài)檢測方法，其特征在于步驟A5將各中心輪廓矩陣分為64個水平條狀區(qū)域，計(jì)算各區(qū)域中行人輪廓與該區(qū)域水平中線的夾角，組成64維的角度特征向量(An。，An1…An63)。
5.如權(quán)利要求1所述的一種基于圖像處理的行人姿態(tài)檢測方法，其特征在于步驟B3包括如下步驟: 根據(jù)雙性線性插值法，計(jì)算像素(X，y)坐標(biāo)上的幅值f，可以根據(jù)f在Q11=U1, Yi), Qi2=
6.如權(quán)利要求1所述的一種基于圖像處理的行人姿態(tài)檢測方法，其特征在于步驟C2使用公式
【文檔編號】G06K9/62GK103778436SQ201410025106
【公開日】2014年5月7日 申請日期:2014年1月20日 優(yōu)先權(quán)日:2014年1月20日
【發(fā)明者】匡平, 彭博, 趙文影, 萬維 申請人:電子科技大學(xué)